公开(公告)号：CN111861924A

公开(公告)日：2020-10-30

申请号：CN202010715325.3

申请日：2020-07-23

Applicant: 成都信息工程大学

Inventor： 符颖 ,  杨光 ,  吴锡 ,  杨智鹏 ,  胡金蓉 ,  张永清 ,  周激流

IPC: G06T5/00

Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。

公开(公告)号：CN111861924B

公开(公告)日：2023-09-22

申请号：CN202010715325.3

申请日：2020-07-23

Applicant: 成都信息工程大学

Inventor： 符颖 ,  杨光 ,  吴锡 ,  杨智鹏 ,  胡金蓉 ,  张永清 ,  周激流

IPC: G06T5/00

Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。